Agent-baseret følsomhedsanalyse — Kvantificering af parameterindflydelse i komplekse simuleringsmodeller
Agent-baseret følsomhedsanalyse (ABSA) anvender følsomhedsanalysemetoder på agent-baserede modeller (ABM'er) for at bestemme, hvilke inputparametre der stærkest påvirker fremkommende output. Da ABM'er er stokastiske og ikke-lineære, er standard analytiske differentialkvotienter utilgængelige; ABSA bruger designede simuleringsforsøg — screeningmetoder, variansbaserede indeks eller regressionsbaserede surrogater — til at rangordne parameterindflydelse og vejlede modelkalibrering og -validering.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Saltelli, A., Tarantola, S., Campolongo, F., & Ratto, M. (2004). Sensitivity Analysis in Practice: A Guide to Assessing Scientific Models. John Wiley & Sons. ISBN: 9780470870938
- ten Broeke, G., van Voorn, G., & Ligtenberg, A. (2016). Which Sensitivity Analysis Method Should I Use for My Agent-Based Model? Journal of Artificial Societies and Social Simulation, 19(1), 5. DOI: 10.18564/jasss.2857 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Agent-Based Sensitivity Analysis. ScholarGate. https://scholargate.app/da/simulation/agent-based-sensitivity-analysis
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Agent-Based Modeling (ABM)Simulering↔ compare
- Latin Hypercube SamplingSimulering↔ compare
- Monte Carlo-simuleringBeslutningstagning↔ compare
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →